Performance

Optimieren Sie die Performance Ihrer Automate-Workflows für schnellere Ausführung und bessere Ressourcennutzung. Vier Hebel zählen: die Gesamtausführungszeit, das Datenvolumen, das durch den Workflow fließt, die Skalierbarkeit unter Last — und der Credits-Verbrauch, den weniger und gezieltere Agent-Aufrufe senken.

Ausführung verschlanken

Automate arbeitet die Nodes eines Workflows innerhalb einer Execution sequenziell ab — auch wenn Sie mehrere Branches nebeneinander zeichnen, laufen diese nacheinander. Echte parallele Ausführung innerhalb einer Execution gibt es nicht. Der wirksamste Hebel ist deshalb: weniger Arbeit pro Execution.

Branches sind kein Beschleunigungs-Werkzeug: Die Gesamtzeit ist die Summe aller Node-Zeiten. Nutzen Sie Branches für Logik (Fallunterscheidungen), nicht für Tempo.
Unnötige Nodes vermeiden: Jeder Node kostet Zeit. Konsolidieren Sie mehrere Transformations-Schritte in einem Node, entfernen Sie Nodes, deren Ergebnis nicht weiterverwendet wird, und prüfen Sie, ob Zwischenschritte wirklich nötig sind.
Batching statt Einzel-Calls: Verarbeiten Sie Items in Gruppen statt einzeln — das reduziert API-Calls und Ausführungszeit deutlich. Details und die Konfiguration des Loop-Over-Items-Nodes finden Sie unter Batching.

Caching (DIY-Pattern)

Automate bringt keinen eingebauten Cache mit — Caching ist ein selbstgebautes Pattern, das Sie mit Workflow Static Data ($getWorkflowStaticData()) oder einem externen Store (z. B. Redis oder einer Datenbank) umsetzen. Planen Sie zuerst, was gecacht werden darf:

Cachebar	Nicht cachebar
User Data (TTL: 1 Stunde)	Real-time Data
Product Information (TTL: 24 Stunden)	Transaction Data
Configuration Settings (TTL: 1 Tag)	Personalized Content

Umsetzung mit Workflow Static Data in Code-Nodes:

const staticData = $getWorkflowStaticData('global');
const cacheKey = `user_${$json.userId}`;
const TTL = 3600 * 1000; // 1 Stunde

const cached = staticData[cacheKey];

if (cached && Date.now() - cached.storedAt < TTL) {
  // Cache-Treffer: gespeicherte Daten verwenden
  return [{ json: { ...cached.data, fromCache: true } }];
}

// Cache-Miss: der nachfolgende Node führt den API-Call aus
return [{ json: { ...$json, fromCache: false } }];

const staticData = $getWorkflowStaticData('global');
const cacheKey = `user_${$json.userId}`;

staticData[cacheKey] = {
  data: $json,
  storedAt: Date.now(),
};

return $input.all();

Workflow Static Data wird nur bei Production-Executions (aktivierter Workflow) gespeichert — bei manuellen Test-Ausführungen im Editor gehen Änderungen verloren. Für robusteres Caching über Workflow-Grenzen hinweg nutzen Sie einen externen Store.

API-Optimierung

Technik	So funktioniert es
Batch-Requests	Ein Batch-Request mit 100 Items statt 100 Einzel-Requests — siehe Batching
Pagination	Große Datensätze seitenweise abrufen und verarbeiten (z.B. 100 Items pro Page)
Selective Fields	Nur benötigte Felder anfordern: `GET /users?fields=id,name,email` statt `GET /users`
Conditional Requests	ETags und Last-Modified Headers nutzen: `If-None-Match: "etag-value"`, `If-Modified-Since: "date"`

Timeout-Konfiguration

API-Typ	Timeout	Beschreibung
Schnelle APIs	5 s	Lokale APIs, schnelle Services
Standard-APIs	30 s	Externe APIs, Standard-Services
Langsame APIs	60 s	Schwere Operationen, Batch-Processing
Agent-Aufrufe	45 s	Localmind Agent Aufrufe (unverbindlicher Richtwert)

Diese Werte sind unverbindliche Richtwerte aus der Praxis, keine garantierten Antwortzeiten. Die tatsächliche Dauer — insbesondere von Agent-Aufrufen — hängt von Modell, Prompt-Länge und Tool-Nutzung ab. Messen Sie Ihre realen Zeiten über die Executions-Liste und passen Sie die Timeouts entsprechend an.

Datenfilterung

Filtern Sie Daten so früh wie möglich im Workflow — das bedeutet weniger Daten zu verarbeiten, schnellere Ausführung und geringeren Speicherverbrauch:

Frühe Filterung

// Gut: Filtere früh
Trigger → Filter (nur relevante Daten) → Process

// Schlecht: Filtere spät
Trigger → Process (alle Daten) → Filter → Output

Typische Ansatzpunkte: nach Status filtern vor der Verarbeitung, nach Datum vor dem API-Call, nach Typ vor der Transformation.

Ausführungen auswerten

Automate bringt kein Performance-Dashboard und keine automatische Metriken-Überwachung mit. Was Sie real haben: Die Executions-Liste zeigt Status und Dauer jeder Ausführung — daraus werten Sie manuell aus.

Langsame und fehlerhafte Workflows finden: Status (Erfolg/Fehler) und Dauer pro Execution ablesen, nach fehlgeschlagenen Executions filtern, auffällig lange Ausführungen identifizieren und öffnen.
Einzelne Execution analysieren: In der Detailansicht nachvollziehen, an welchem Node die Zeit verloren geht oder welcher Node fehlgeschlagen ist. Vergleichen Sie mehrere Executions desselben Workflows, um Ausreißer von systematischen Problemen zu unterscheiden.
Eigene Auswertung bauen (DIY): Wenn Sie Kennzahlen über viele Executions hinweg brauchen, arbeiten Sie mit der Executions-Liste in der Web-App und übertragen die relevanten Werte in Ihr eigenes Tooling — ein selbstgebautes Pattern, kein eingebautes Feature. Für eine programmatische Anbindung siehe Automate-API.

Häufige Performance-Probleme

Problem	Lösung
Zu viele einzelne API-Calls	Calls zu Batch-Requests kombinieren (Batching), Caching implementieren (DIY-Pattern, siehe oben), prüfen ob alle Calls wirklich nötig sind
Unnötige Datenverarbeitung	Daten früh im Workflow filtern, Selective Fields in API-Calls nutzen, unnötige Transformationen vermeiden
Fehlende Timeouts	Angemessene Timeouts setzen, Retry-Logik implementieren, betroffene Executions in der Detailansicht prüfen

Performance-Checkliste

Unnötige Nodes und Branches wurden entfernt
Caching (DIY) ist für wiederholte Anfragen implementiert, wo sinnvoll
API-Calls sind optimiert (Batching, Pagination)
Timeouts sind angemessen konfiguriert
Datenfilterung erfolgt früh im Workflow
Executions werden regelmäßig auf Dauer und Fehler geprüft
Langsame Nodes wurden identifiziert und optimiert

Weiterführend: Batching, Testing und Debugging.

Grundlagen

Localmind anbinden

Workflows

Erweitert

Betrieb

Ausführung verschlanken

Caching (DIY-Pattern)

API-Optimierung

Timeout-Konfiguration

Datenfilterung

Ausführungen auswerten

Häufige Performance-Probleme

Performance-Checkliste

​Ausführung verschlanken

​Caching (DIY-Pattern)

​API-Optimierung

​Timeout-Konfiguration

​Datenfilterung

​Ausführungen auswerten

​Häufige Performance-Probleme

​Performance-Checkliste

Ausführung verschlanken

Caching (DIY-Pattern)

API-Optimierung

Timeout-Konfiguration

Datenfilterung

Ausführungen auswerten

Häufige Performance-Probleme

Performance-Checkliste